Foto: VectorMine - shutterstock.com
Decision Support Systems (DSS) oder Entscheidungsunterstützungssysteme bilden einen Teilbereich der Business Intelligence. Sie sollen Unternehmen dabei unterstützen, fundierte Business-Entscheidungen auf der Grundlage fundierter Datenanalysen zu treffen.
Decision Support System - Definition
Ein Decision Support System ist ein interaktives System, das große Datenmengen analysiert, um fundierte Geschäftsentscheidungen zu unterstützen. Ein DSS unterstützt die Management-, Betriebs- und Planungsebenen eines Unternehmens dabei, bessere Entscheidungen zu treffen, indem es die Bedeutung von Unwägbarkeiten und die Kompromisse, die mit einer Entscheidung gegenüber einer anderen verbunden sind, bewertet.
Um das zu bewerkstelligen, nutzt ein Entscheidungsunterstützungssystem eine Kombination aus Rohdaten, Dokumenten, persönlichem Wissen und/oder Geschäftsmodellen. Zu den Datenquellen eines DSS können unter anderem gehören:
relationale Datenbanken,
Cubes,
elektronische Gesundheitsakten,
Umsatz- oder Verkaufsprognosen.
Das Konzept der Decision-Support-Systeme fußt auf Forschungen des Carnegie Institute of Technology aus den 1950er und 1960er Jahren. Durchsetzen konnte sich der Ansatz im Unternehmensumfeld allerdings erst in den 1980er Jahren in Form von Executive Information Systems (EIS), Group Decision Support Systems (GDSS) und Organizational Decision Support Systems (ODSS).
Da sich Unternehmen inzwischen zunehmend auf Data-driven Decision Making fokussieren, ist die Entscheidungswissenschaft (Decision Science oder Decision Intelligence) im Kommen. Decision Scientists könnten künftig der Schlüssel dazu sein, das volle Potenzial von Entscheidungsunterstützungssystemen zu erschließen.
Decision Science verbindet angewandte Daten-, Sozial- und Managementwissenschaft und fokussiert darauf, eine Entscheidung zwischen verschiedenen Optionen zu fällen, um den Aufwand für qualitativ bessere Entscheidungen zu verringern.
Entscheidungsunterstützungssysteme - Beispiele
Decision Support Systems kommen in einer Vielzahl von Branchen zum Einsatz. Einige Anwendungsbeispiele sind:
GPS-Routenplanung: Ein DSS kann die schnellste und beste Route zwischen zwei Punkten ermitteln, indem es die verfügbaren Optionen analysiert. Um Staus zu umgehen, bieten solche Systeme in der Regel auch die Möglichkeit, den Verkehr in Echtzeit zu überwachen.
Landwirtschaftliche Planung: Bauern nutzen Entscheidungsunterstützungssysteme, um den besten Zeitpunkt zu ermitteln, um ihre Pflanzen auszusäen, zu düngen und zu ernten. Bayer Crop Science hat jeden Bereich seines Geschäfts mit Analytics und Decision Support ausgestattet. Dabei kommen zum Beispiel virtuelle Fabriken für "Was wäre wenn"-Analysen zum Einsatz.
Clinical DSS: Diese Systeme helfen in Kliniken und Krankenhäusern bei der Diagnosestellung. Penn Medicine hat ein System entwickelt, das dabei unterstützt, die Patienten auf Intensivstationen schneller von den Beatmungsgeräten wegzubekommen.
ERP-Dashboards: Diese Systeme helfen Managern dabei, Performance-Indikatoren zu monitoren. Das Marketingunternehmen Clearlink verwendet ein Entscheidungsunterstützungssystem, um seinen Managern dabei zu helfen, herauszufinden, welche Mitarbeiter zusätzliche Hilfe benötigen.
DSS vs. BI und Decision Intelligence
DSS und Business Intelligence (BI) werden oft miteinander vermengt - einige Experten betrachten BI auch als Nachfolger von DSS. Entscheidungsunterstützungssysteme werden im Allgemeinen jedoch als eine Kategorie von Business-Intelligence-Systemen angesehen, ähnlich wie Data Warehousing und Data Mining.
Während Business Intelligence eine breite Kategorie von Anwendungen, Diensten und Technologien darstellt, um Daten für die Entscheidungsfindung zu sammeln, zu speichern, zu analysieren und abzurufen, sind DSS-Anwendungen in der Regel zweckmäßiger konzipiert, um spezifische Entscheidungen zu unterstützen. Ein Business-DSS kann beispielsweise dabei helfen, den Umsatz eines Unternehmens über einen bestimmten Zeitraum zu prognostizieren, indem es historische Verkaufsdaten und aktuelle Variablen analysiert.
Das Marktforschungsunternehmen Gartner hat Decision Intelligence zu einem der wichtigsten, strategischen Technologietrends für das Jahr 2022 erklärt. Sie zielt darauf ab, das Decision-Support-Konzept neu zu erfinden, indem es die Entscheidungsfindung mit künstlicher Intelligenz automatisiert. Laut den Marktforschern besteht das Ziel dabei darin, "Entscheidungsmodelle und -prozesse zu entwerfen, zu modellieren, auszurichten, auszuführen, zu überwachen und abzustimmen."
Decision-Support-Systeme - Typen
Daniel J. Power, Professor für Management-Informationssysteme an der University of Northern Iowa, unterteilt in seinem Buch "Decision Support Systems: Concepts and Resources for Managers" Entscheidungsunterstützungssysteme in fünf Kategorien, die auf ihren primären Informationsquellen basieren:
Data-driven DSS: Zu diesen Systemen gehören Aktenordner und Management-Reporting-Systeme, Executive Information Systems und geografische Informationssysteme. Sie legen den Schwerpunkt auf den Zugriff auf und die Bearbeitung von großen Datenbanken mit strukturierten Daten, oft eine Zeitreihe von internen Unternehmensdaten und manchmal auch externen Daten.
Model-driven DSS: Zu diesen DSS gehören Systeme, die Buchhaltungs- und Finanzmodelle, Darstellungsmodelle und Optimierungsmodelle verwenden. Der Schwerpunkt liegt auf dem Zugriff auf und der Bearbeitung von Modellen. Sie nutzen im Allgemeinen einfache statistische und analytische Werkzeuge. Einige OLAP-Systeme, die komplexe Datenanalysen ermöglichen, können als hybride Decision-Support-Systeme eingestuft werden können. Modellgesteuerte DSS verwenden Daten und Parameter, die von Entscheidungsträgern bereitgestellt werden, sind aber in der Regel nicht datenintensiv.
Knowledge-driven DSS: Diese Systeme empfehlen Managern Maßnahmen. Sie werden manchmal auch als Advisory Systems, Consultation Systems oder Vorschlagssysteme bezeichnet und bieten spezialisiertes Fachwissen zur Problemlösung in einem bestimmten Bereich. In der Regel werden sie für Aufgaben eingesetzt, die ansonsten von einem menschlichen Experten abhängen würden - beispielweise Klassifizierung, Konfiguration, Diagnose, Interpretation, Planung und Vorhersage. Diese Systeme werden häufig mit Data Mining kombiniert, um Datenbanken zu durchforsten und Beziehungen zwischen Dateninhalten aufzudecken.
Document-driven DSS: Diese Systeme integrieren Storage- und Verarbeitungstechnologien, um Dokumente abzurufen und zu analysieren - beispielsweise eine Suchmaschine.
Communication-driven und Group-DSS: Kommunikationsgesteuerte Entscheidungsunterstützungssysteme konzentrieren sich darauf die Kommunikation, Zusammenarbeit und Koordination zu unterstützen. Group-DSS konzentrieren sich hingegen darauf, Gruppen von Entscheidungsträgern bei der Analyse von Problemsituationen und Gruppenentscheidungen zu unterstützen.
Decision Support Systems - Komponenten
Laut "Management Study HQ" bestehen Decision-Support-Systeme aus drei wesentlichen Komponenten:
1. DSS-Datenbank
Die Datenbank stützt sich auf eine Vielzahl von Quellen, einschließlich unternehmensinterner Daten, von Anwendungen generierten Daten und externer Daten, die von Dritten erworben wurden oder aus dem Internet stammen. Die Größe der DSS-Datenbank variiert je nach Bedarf, von einem kleinen, eigenständigen System bis hin zu einem großen Data Warehouse.
2. DSS-Softwaresystem
Das Softwaresystem basiert auf einem Modell (einschließlich Entscheidungskontext und Benutzerkriterien). Die Anzahl und Art der Modelle hängt vom Zweck des DSS ab. Üblicherweise verwendete Modelle sind:
Statistische Modelle: Sie werden verwendet, um Beziehungen zwischen Ereignissen und Faktoren, die mit diesen Ereignissen zusammenhängen, herzustellen. So können etwa Verkaufszahlen in Abhängigkeit von Standort oder Wetter analysiert werden.
Sensivity-Analysis-Modelle: Diese Modelle kommen für "Was wäre wenn"-Analysen zum Einsatz.
Optimization-Analysis-Modelle: Diese Modelle finden den optimalen Wert für eine Zielvariable im Verhältnis zu anderen Variablen.
Vorhersagemodelle: Dazu gehören Regressionsmodelle, Zeitreihenanalysen und andere Modelle, die zur Analyse von Geschäftsbedingungen und zur Erstellung von Plänen verwendet werden.
Backward-Analysis-Sensitivity-Modelle: Diese Modelle legen einen Zielwert für eine bestimmte Variable fest und bestimmen dann die Werte, die andere Variablen erreichen müssen, um diesen Zielwert zu erreichen.
3. DSS User Interface
Dashboards und andere Benutzeroberflächen, die es den Benutzern ermöglichen, die Ergebnisse zu betrachten und mit diesen zu interagieren.
Decision Support System - Software
Das Gartner-Tochterunternehmen Capterra bietet einen Überblick über besonders beliebte Softwarelösungen im Bereich der Entscheidungsunterstützungssysteme, den sie nach ihren Wünschen filtern dürfen. Zu den Lösungen mit den besten Kundenbewertungen gehören demnach:
(fm)
Dieser Beitrag basiert auf einem Artikel unserer US-Schwesterpublikation CIO.com.